Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "GEOBIA" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Zastosowanie obiektowo zorientowanej analizy obrazu (GEOBIA) wysokorozdzielczych obrazów satelitarnych w klasyfikacji obszaru miasta Krakowa
    Using the object-based image analysis (GEOBIA) in the classification of the very high resolution satellite images of Krakow municipality
    Autorzy:
    Wężyk, P.
    de Kok, R.
    Szombara, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/130169.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    klasyfikacja obiektowa (GEOBIA)
    Ikonos
    QuickBird
    automatyzacja
    pokrycie terenu
    OBIA (Object Based Image Analysis)
    automation
    land use
    Opis:
    Technologie teledetekcyjne oraz systemy GIS osiągnęły obecnie poziom rozwoju umożliwiający pełna implementacje automatycznych metod klasyfikacji oraz procesów kontroli i aktualizacji zasobów kartograficznych będących w posiadaniu administracji publicznej. Dane teledetekcyjne pozyskiwane nowoczesnymi metodami takimi jak: lotnicze kamery cyfrowe, skanery hiperspektralne, LiDAR badz VHRS - pozwalają na poprawne skonstruowanie procesu wspomagania podejmowania decyzji na poziomie lokalnym i regionalnym takich jak np. miejscowe plany zagospodarowania przestrzennego. Ogromne zbiory danych (np. LiDAR, VHRS) muszą być coraz częściej poddawane automatycznym procesom ich przetwarzania. Obiektowo zorientowana analiza obrazu (ang. Object Based Image Analysis; akronim: GEOBIA) - zwana potocznie klasyfikacja obiektowa, wykorzystuje zaawansowane algorytmy segmentacji rastra. Rozstrzygają one o liczbie generowanych obiektów na podstawie wartości jaskrawości piksela oraz „właściwości geometrycznych” (np. kształtu, grupowania się pikseli w homogeniczne obiekty, zwartości, etc). W kolejnych krokach obiekty te są klasyfikowane na podstawie licznych zależności i właściwości, jak np. parametru homogeniczności czy stosunku długości granic do powierzchni (wykrywanie krawędzi, budynków, działek etc). Klasyfikacja obiektowa może przyjąć strukturę hierarchiczna, to znaczy raz sklasyfikowane obiekty mogą posłużyć do stworzenia nowego wyższego hierarchicznie poziomu. Taka metodyka pozwala na przygotowanie scenariuszy postepowania klasyfikacyjnego zapisywanych do plików zwanych protokołami w oprogramowaniu DEFNIENS. Nowatorskie podejście do kwestii klasyfikacji obrazu bez potrzeby wykorzystywania pól treningowych zostało już potwierdzone wieloma projektami naukowymi i ich wdrożeniami (Wężyk, de Kok, 2005; de Kok, Wężyk, 2006). W prezentowanej pracy do przeprowadzenia klasyfikacji wykorzystano 2 sceny IKONOS z dnia 25.06.2005 roku (łączny obszar 194,7 km2) oraz 1 scenę QuickBird z dnia 07.09.2006 roku (167,7 km2). Prace zostały zlecone przez Biuro Planowania Przestrzennego UM Krakowa w listopadzie 2006 roku. Obrazy VHRS poddano ortorektyfikacji (Aplication Master 5.0, Inpho) w oparciu o współczynniki RPC ale także punkty dostosowania GCP pozyskane z ortofotomap Phare 2001 oraz NMT przekazanego przez BPP UMK (Wężyk et al., 2006). Do analizy obrazów VHRS wykorzystano kanał panchromatyczny (PAN) oraz wielospektralne (MS) zakresy promieniowania. Wstępne przetwarzanie kanałów PAN polegało na zastosowaniu filtrów krawędziowych (np. Lee Sigma), w wyniku działania których otrzymano tzw. obrazy pochodne wykorzystane w procesie segmentacji. Inne obrazy biorące udział w tym złożonym procesie składającym się z 11 kroków to: poszczególne kanały MS (Blue, Green, Red, NIR), dla których wykonano analizę głównych składowych (ang. Principal Component Analysis), mapa ewidencyjna (obraz rastrowy) wykorzystywana w projekcie kartowania zieleni rzeczywistej Krakowa (służąca głównie klasyfikacji budynków przy wykorzystaniu PC3), rastrowa warstwa sieci dróg pochodząca z wektoryzacji ekranowej VHRS i z map ewidencyjnych. W toku uzgodnień z BPP UMK podjęto decyzje o przyjęciu dwóch poziomów hierarchicznych klas pokrycia terenu. Poziom 1 składał się z 9-ciu klas zajmujących odpowiednio: tereny zainwestowane – 17,42%, zieleń wysoka – 24,99%, zieleń niska – 44,31%, zieleń terenów sportowych oraz ogródków działkowych – 1,39%, zbiorniki wodne i rzeki – 1,94%, infrastruktura drogowa – 3,48%, hałdy + wysypiska + odsłonięta gleba – 0,84%, grunty orne i uprawy – 5,35% oraz cień – 0,28% obszaru badan. Trzy klasy poziomu 1, tj.: tereny zainwestowane, zieleń niska i zieleń wysoka) zdecydowano się zaprezentować na wyższym – 2 poziomie szczegółowości. Wraz z pozostałymi klasami poziom ten składał się łącznie z 22 klas. Osiągnięte rezultaty potwierdziły szerokie możliwości stosowania automatycznych metod OBIA bazujących na VHRS i innych informacjach pochodzących z systemów GIS oraz z zasobów geodezyjnokartograficznych w celu ich aktualizacji.
    Recent developments in Remote Sensing and GIS have reached maturity which allows to implement the research results into standardized process flows for updating and checking the municipality cadastral information. The database containing the city cadastre already handles data fusion methods itself. Available information considerably enhance information extraction from new data collections with high quality sensors such as LiDAR, photogrammetrical imagery and VHRS data. Huge amounts of available data must be processed in sequences to keep them handable. Transferable protocols for automatic handling of VHRS data can now be put into a full production process to assist the workflow of other image data from airborne platforms and integrate these GIS output into further cadastral GIS analysis. The data fusion within this project allows a highly detailed description of the city status-quo and the basis for change detection. Further these results are besides a very important archival inventory also a basis for decision support, now and in the future. The whole workflow was of a chain of previous research projects which were put into a commercial workflow. This study shows an experience report on, how the product chain was built-up and what type of products were delivered to the municipality of Krakow (Poland).
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17b; 791-800
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using Geobia and Data Fusion Approach for Land use and Land Cover Mapping
    Autorzy:
    Wężyk, Piotr
    Hawryło, Paweł
    Szostak, Marta
    Pierzchalski, Marcin
    De Kok, Roeland
    Powiązania:
    https://bibliotekanauki.pl/articles/1052704.pdf
    Data publikacji:
    2016-03-15
    Wydawca:
    Uniwersytet im. Adama Mickiewicza w Poznaniu
    Tematy:
    classification
    hydrology
    OBIA
    rapideye
    SaLMaR
    Opis:
    Land Use and Land Cover (LULC) maps play an important role in an environmental modelling, and for many years efforts have been made to improve and streamline the expensive mapping process. The aim of the study was to create LULC maps of three selected water catchment areas in South Poland using a Geographic Object-Based Image Analysis (GEOBIA) in order to highlight the advantages of this innovative, semi-automatic method of image analysis. the classification workflow included: multi-stage and multi-scale analyses based on a data fusion approach. Input data consisted mainly of BlackBridge (RapidEye) high resolution satellite imagery, although for distinguishing particular LULC classes, additional satellite images (LANDSAT TM5) and GIS-vector data were used. Accuracy assessment of GEOBIA classification results varied from 0.83 to 0.87 (kappa), depending on the specific catchment area. The main recognized advantages of GEOBIA in the case study were: performing of multi-stage and multi-scale image classification using different features for specific LULC classes and the ability to using knowledge-based classification in conjunction with the data fusion approach in an efficient and reliable manner.
    Źródło:
    Quaestiones Geographicae; 2016, 35, 1; 93-104
    0137-477X
    2081-6383
    Pojawia się w:
    Quaestiones Geographicae
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using a GEOBIA framework for integrating different data sources and classification methods in context of land use/land cover mapping
    Autorzy:
    Osmólska, A.
    Hawryło, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/145304.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    mapa użytkowanych gruntów
    mapa pokrycia terenu
    mapa leśna
    data fusion
    random forest
    supervised classification
    Sentinel-2
    Opis:
    Land use/land cover (LULC) maps are important datasets in various environmental projects. Our aim was to demonstrate how GEOBIA framework can be used for integrating different data sources and classification methods in context of LULC mapping.We presented multi-stage semi-automated GEOBIA classification workflow created for LULC mapping of Tuszyma Forestry Management area based on multi-source, multi-temporal and multi-resolution input data, such as 4 bands- aerial orthophoto, LiDAR-derived nDSM, Sentinel-2 multispectral satellite images and ancillary vector data. Various classification methods were applied, i.e. rule-based and Random Forest supervised classification. This approach allowed us to focus on classification of each class ‘individually’ by taking advantage from all useful information from various input data, expert knowledge, and advanced machine-learning tools. In the first step, twelve classes were assigned in two-steps rule-based classification approach either vector-based, ortho- and vector-based or orthoand Lidar-based. Then, supervised classification was performed with use of Random Forest algorithm. Three agriculture-related LULC classes with vegetation alternating conditions were assigned based on aerial orthophoto and Sentinel-2 information. For classification of 15 LULC classes we obtained 81.3% overall accuracy and kappa coefficient of 0.78. The visual evaluation and class coverage comparison showed that the generated LULC layer differs from the existing land cover maps especially in relative cover of agriculture-related classes. Generally, the created map can be considered as superior to the existing data in terms of the level of details and correspondence to actual environmental and vegetation conditions that can be observed in RS images.
    Źródło:
    Geodesy and Cartography; 2018, 67, 1; 99-116
    2080-6736
    2300-2581
    Pojawia się w:
    Geodesy and Cartography
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Monitoring the secondary forest succession and land cover/use changes of the Błędów Desert (Poland) using geospatial analyses
    Autorzy:
    Szostak, Marta
    Wężyk, Piotr
    Hawryło, Paweł
    Puchała, Marta
    Powiązania:
    https://bibliotekanauki.pl/articles/1052864.pdf
    Data publikacji:
    2016-09-15
    Wydawca:
    Uniwersytet im. Adama Mickiewicza w Poznaniu
    Tematy:
    LULC changes
    Geographic Object Based Image Analysis (GEOBIA)
    pixel-based classification
    GIS analyses
    secondary forest succession
    Opis:
    The role of image classification based on multi-source, multi-temporal and multi-resolution remote sensed data is on the rise in the environmental studies due to the availability of new satellite sensors, easier access to aerial orthoimages and the automation of image analysis algorithms. The remote sensing technology provides accurate information on the spatial and temporal distribution of land use and land cover (LULC) classes. The presented study focuses on LULC change dynamics (especially secondary forest succession) that occurred between 1974 and 2010 in the Błędów Desert (an area of approx. 1210 ha; a unique refuge habitat – NATURA 2000; South Poland). The methods included: photointerpretation and on screen digitalization of KH-9 CORONA (1974), aerial orthoimages (2009) and satellite images (LANDSAT 7 ETM+, 1999 and BlackBridge – RapidEye, 2010) and GIS spatial analyses. The results of the study have confirmed the high dynamic of the overgrowth process of the Błędów Desert by secondary forest and shrub vegetation. The bare soils covered 19.3% of the desert area in 1974, the initial vegetation and bush correspondingly 23.1% and 30.5%. In the years 2009/2010 the mentioned classes contained: the bare soils approx. 1.1%, the initial vegetation– 8.7% and bush – 15.8%. The performed classifications and GIS analyses confirmed a continuous increase in the area covered by forests, from 11.6% (KH-9) up to 24.2%, about 25 years later (LANDSAT 7) and in the following 11 years, has shown an increase up to 35.7% (RapidEye 2010).
    Źródło:
    Quaestiones Geographicae; 2016, 35, 3; 5-13
    0137-477X
    2081-6383
    Pojawia się w:
    Quaestiones Geographicae
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ własności ortofotomapy cyfrowej na wyniki klasyfikacji obiektowej pokrycia terenu
    The effect of ortophotomap properties on the results of object-based classification of land cover
    Autorzy:
    Adamczyk, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/131020.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    ortofotomapa
    true ortho
    GEOBIA
    analiza obiektowa
    klasyfikacja obrazu
    ortophotomap
    true-ortho
    object analysis
    image classification
    Opis:
    Wysokorozdzielcza ortofotomapa lotnicza coraz częściej stosowana jest do wykonywania inwentaryzacji pokrycia terenu. W artykule postawiono tezę, że zadanie to może zostać zrealizowane za pomocą analizy obiektowej zobrazowań teledetekcyjnych (GEOBIA), jednak wynik zależy od cech jakościowych ortofotomapy, zastosowanej procedury przetworzeń oraz doświadczenia operatora. Za najważniejszy uznano pierwszy z tych czynników i odniesiono się do niego w świetle istniejących polskich wytycznych technicznych. Określono pożądane cechy ortofotomapy, które warunkują jakość wykonanej klasyfikacji obiektowej. W celu omówienia podzielono je na następujące grupy: rozdzielczość przestrzenna, liczba i rodzaj kanałów uczestniczących w procedurach klasyfikacyjnych, dokładność geometryczna i rodzaj ortorektyfikacji, cechy fotometryczne, lokalnie występujące błędy. Ich wpływ na procedurę klasyfikacyjną jest dwojaki: mogą one uniemożliwiać przeprowadzenie klasyfikacji lub przysporzyć dodatkowej pracy przy poprawianiu jej wyników. Uwzględnienie sformułowanych zaleceń znacznie ułatwi przeprowadzenie klasyfikacji tak wysokorozdzielczego zobrazowania.
    High resolution ortophotomap is frequently used for land cover inventory. The paper presents conditions under which the task of automated image classification can be accomplished using GeoObject Image Analysis (GEOBIA): the ortophotomap quality, applied processing procedure, and operators experience. The first of them was recognized as most important and compared to the existing polish technical guidelines regarding the quality of the ortophotomap. The desired features of the remote sensing material were presented according to the following fields: spatial resolution of imagery, number and type of image bands used for classification procedure, geometrical accuracy, the type of orthorectification procedure, photometric properties, local errors. The recommendations are addressed for facilitating the object-based classification of high resolution orthophotomap. They are useful for planning the organizational issues of the aerial flight to acquire images used for land cover inventory. The presented guidelines are also useful for assessing the cost of the possible correction of the obtained land cover classification, if the recommendations cannot be met.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 9-18
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The analysis of spatial and temporal changes of land cover and land use in the reclaimed areas with the application of airborne orthophotomaps and LANDSAT images
    Autorzy:
    Szostak, M.
    Wężyk, P.
    Hawryło, P.
    Pietrzykowski, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/145585.pdf
    Data publikacji:
    2015
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    reclamation
    GEOBIA
    pixel based classification
    LULC changes
    mapa pokrycia terenu
    klasyfikacja pikselowa
    technologia geoinformatyczna
    Opis:
    The aim of this study was to investigate the possible use of geoinformatics tools and generally available geodata for mapping land cover/use on the reclaimed areas. The choice of subject was dictated by the growing number of such areas and the related problem of their restoration. Modern technology, including GIS, photogrammetry and remote sensing are relevant in assessing the reclamation effects and monitoring of changes taking place on such sites. The LULC classes mapping, supported with thorough knowledge of the operator, is useful tool for the proper reclamation process evaluation. The study was performed for two post-mine sites: reclaimed external spoil heap of the sulfur mine Machów and areas after exploitation of sulfur mine Jeziórko, which are located in the Tarnobrzeski district. The research materials consisted of aerial orthophotos, which were the basis of on-screen vectorization; LANDSAT satellite images, which were used in the pixel and object based classification; and the CORINE Land Cover database as a general reference to the global maps of land cover and land use.
    Źródło:
    Geodesy and Cartography; 2015, 64, 1; 75-86
    2080-6736
    2300-2581
    Pojawia się w:
    Geodesy and Cartography
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies